Buchumschlag

Surrogate Quantum Circuit Design for the Lattice Boltzmann Collision Operator

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lăcătuş, Monica, Möller, Matthias
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Quantum Physics Machine Learning Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Surrogate Quantum Circuit Design for the Lattice Boltzmann Collision Operator
von: Monica Lăcătuş, et al.
Veröffentlicht: (2026)

Quantum Lattice Boltzmann with Denoising Collision Operators
von: Duong, Trong, et al.
Veröffentlicht: (2026)

Efficient and Expressive Boundary Conditions in Quantum Lattice Boltzmann Methods
von: Georgescu, Călin A., et al.
Veröffentlicht: (2026)

Quantum Search in Superposed Quantum Lattice Gas Automata and Lattice Boltzmann Systems
von: Georgescu, Călin A., et al.
Veröffentlicht: (2025)

Hybrid Fourier Neural Operator for Surrogate Modeling of Laser Processing with a Quantum-Circuit Mixer
von: Papierz, Mateusz, et al.
Veröffentlicht: (2026)

qlbm -- A Quantum Lattice Boltzmann Software Framework
von: Georgescu, Călin A., et al.
Veröffentlicht: (2024)

Decomposition of Nonlinear Collision Operator in Quantum Lattice Boltzmann Algorithm
von: E, Dinesh Kumar, et al.
Veröffentlicht: (2024)

HPC-Driven Modeling with ML-Based Surrogates for Magnon-Photon Dynamics in Hybrid Quantum Systems
von: Song, Jialin, et al.
Veröffentlicht: (2025)

Provably Robust Training of Quantum Circuit Classifiers Against Parameter Noise
von: Tecot, Lucas, et al.
Veröffentlicht: (2025)

Gradient Scalability and Taylor Surrogation of Quantum Cost Landscapes
von: Meyer, Sabri, et al.
Veröffentlicht: (2025)

Reinforcement Learning for Variational Quantum Circuits Design
von: Foderà, Simone, et al.
Veröffentlicht: (2024)

Challenges for Reinforcement Learning in Quantum Circuit Design
von: Altmann, Philipp, et al.
Veröffentlicht: (2023)

Explaining Quantum Circuits with Shapley Values: Towards Explainable Quantum Machine Learning
von: Heese, Raoul, et al.
Veröffentlicht: (2023)

MEMO-QCD: Quantum Density Estimation through Memetic Optimisation for Quantum Circuit Design
von: Ardila-García, Juan E., et al.
Veröffentlicht: (2024)

On the Sample Complexity of Quantum Boltzmann Machine Learning
von: Coopmans, Luuk, et al.
Veröffentlicht: (2023)

Probabilistic Design of Parametrized Quantum Circuits through Local Gate Modifications
von: Jones, Grier M., et al.
Veröffentlicht: (2026)

FlowQ-Net: A Generative Framework for Automated Quantum Circuit Design
von: Dai, Jun, et al.
Veröffentlicht: (2025)

Quantum Boltzmann Machines for Sample-Efficient Reinforcement Learning
von: Gerlach, Thore, et al.
Veröffentlicht: (2025)

Quantum-Classical Separations in Shallow-Circuit-Based Learning with and without Noises
von: Zhang, Zhihan, et al.
Veröffentlicht: (2024)

LLM-Guided Ansätze Design for Quantum Circuit Born Machines in Financial Generative Modeling
von: Gujju, Yaswitha, et al.
Veröffentlicht: (2025)

Physics Enhanced Deep Surrogates for the Phonon Boltzmann Transport Equation
von: Varagnolo, Antonio, et al.
Veröffentlicht: (2025)

Towards Quantum Machine Learning of Lattice Boltzmann Collision Operators for Fluid Dynamic Simulations
von: Itani, Wael, et al.
Veröffentlicht: (2025)

Parametrized Quantum Circuit Learning for Quantum Chemical Applications
von: Jones, Grier M., et al.
Veröffentlicht: (2025)

Fully Quantum Lattice Gas Automata Building Blocks for Computational Basis State Encodings
von: Georgescu, Călin A., et al.
Veröffentlicht: (2025)

Graph-Based Bayesian Optimization for Quantum Circuit Architecture Search with Uncertainty Calibrated Surrogates
von: Choudhary, Prashant Kumar, et al.
Veröffentlicht: (2025)

Quantum Generative Modeling using Parameterized Quantum Circuits
von: Sarkar, Soumyadip
Veröffentlicht: (2023)

Domain-Aware Quantum Circuit for QML
von: Singh, Gurinder, et al.
Veröffentlicht: (2025)

On Quantum Circuits for Discrete Graphical Models
von: Piatkowski, Nico, et al.
Veröffentlicht: (2022)

Quantum Circuit Optimization with AlphaTensor
von: Ruiz, Francisco J. R., et al.
Veröffentlicht: (2024)

Diffusion-Inspired Quantum Noise Mitigation in Parameterized Quantum Circuits
von: Nguyen, Hoang-Quan, et al.
Veröffentlicht: (2024)

Quantum Hierarchical Reinforcement Learning via Variational Quantum Circuits
von: Lee, Yu-Ting, et al.
Veröffentlicht: (2026)

Hybrid Classical-Quantum Transfer Learning with Noisy Quantum Circuits
von: Martín-Pérez, D., et al.
Veröffentlicht: (2026)

Active Learning with Variational Quantum Circuits for Quantum Process Tomography
von: Yang, Jiaqi, et al.
Veröffentlicht: (2024)

Enhancing the Scalability of Classical Surrogates for Real-World Quantum Machine Learning Applications
von: Hernicht, Philip Anton, et al.
Veröffentlicht: (2025)

Neural Guided Sampling for Quantum Circuit Optimization
von: Rosenhahn, Bodo, et al.
Veröffentlicht: (2025)

Quantum Circuit Training with Growth-Based Architectures
von: Duffy, Callum, et al.
Veröffentlicht: (2024)

Fraud detection in credit card transactions using Quantum-Assisted Restricted Boltzmann Machines
von: Neto, João Marcos Cavalcanti de Albuquerque, et al.
Veröffentlicht: (2025)

Using Quantum Solved Deep Boltzmann Machines to Increase the Data Efficiency of RL Agents
von: Kent, Daniel, et al.
Veröffentlicht: (2024)

Quantum Neural Physics: Solving Partial Differential Equations on Quantum Simulators using Quantum Convolutional Neural Networks
von: Zhai, Jucai, et al.
Veröffentlicht: (2026)

Special-Unitary Parameterization for Trainable Variational Quantum Circuits
von: Chen, Kuan-Cheng, et al.
Veröffentlicht: (2025)